The reports of my death are greatly exaggerated”—Artificial intelligence research in accounting

توضیحات

ABSTRACT

Gray et al. (2014) examined the productivity of expert systems/artificial intelligence research in accounting and came to the conclusion that both research on and practice use of expert systems/ artificial intelligence  had waned since the late 1990s. In our study, we reconsider these findings based on a broader view that is ‘artificial intelligence’ centric versus ‘expert systems’ centric. The results show that while there was a bit of a lull in the late 1990s, artificial intelligence research in accounting has continued to steadily increase over the past 30 years. Further consideration of artificial intelligence techniques as embedded modules in integrated  audit support systems also suggest that use by practice continues to be robust. Based on these findings, we make a call for much more research on the usability, and use, of artificial intelligence techniques in accounting domains. Contrary to earlier perceptions, the research domain remains vibrant and holds great potential for AIS researchers to take a leadership role in advancing the field.

INTRODUCTION

Gray et al. (2014) analyze expert systems/artificial intelligence research in accounting through the lens of the life cycle of technology and paints a fairly bleak picture of the state of AIS research during a time of explosion in artificial intelligence applications outside of accounting (Brynjolfsson and McAfee, 2014). The findings of  Gray et al. (2014) suggest that AIS research on expert systems/artificial intelligence has waned over the last decade plus, and suggest this may have been fueled by the abandonment of expert systems by the major accounting firms. However, this perceived abandonment of expert systems/artificial intelligence by the  accounting firms appears in stark contrast with recent studies reporting extensive use of artificial intelligence in integrated audit support systems (Dowling and Leech, 2007, 2014), the targeting of management  accounting practice by business intelligence vendors (Elbashir et al., 2011), and the calls for greater  understanding of machine learning principles by accounting graduates (PwC, 2015, AACSB International Committee on Accreditation Policy, 2014). The purpose of this study is to revisit the foundations underlying Gray et al.

چکیده

خاکستری و همکاران (2014) بهره وری سیستم های تخصصی / تحقیقات هوش مصنوعی را در حسابداری مورد بررسی قرار داد و به این نتیجه رسید که استفاده از سیستم های متخصص / هوش مصنوعی از اواخر دهه 1990 کاهش یافته است. در مطالعه ما، این یافته ها را بر مبنای یک دیدگاه وسیع تر که “مرکز هوش مصنوعی” و “سیستم های متخصص” محسوب می شود، بازبینی می کنیم. نتایج نشان می دهد که در حالی که در اواخر دهه 1990 کمی آرام بود، تحقیقات هوش مصنوعی در حسابداری در طول 30 سال گذشته به طور پیوسته ادامه داشته است. توجه بیشتر به تکنیک های هوش مصنوعی به عنوان مدول های جاسازی شده در سیستم های پشتیبانی یکپارچه حسابرسی، همچنین نشان می دهد که استفاده از این روش با موفقیت ادامه پیدا می کند. بر اساس این یافته ها، ما برای تحقیق بیشتر در مورد قابلیت استفاده و استفاده از تکنیک های هوش مصنوعی در حوزه های حسابداری تماس می گیریم. بر خلاف ادراکات قبلی، محدوده تحقیق هنوز پر جنب و جوش است و دارای توانایی بالقوه برای محققان AIS است تا نقش رهبری در پیشبرد این زمینه داشته باشند.

مقدمه

خاکستری و همکاران (2014) سیستم های متخصص / تحقیقات هوش مصنوعی را در حسابداری از طریق لنز چرخه زندگی فناوری تجزیه و تحلیل می کند و یک تصویر نسبتا ملایم از وضعیت تحقیق AIS در طی زمان انفجار در برنامه های هوش مصنوعی خارج از حسابداری (Brynjolfsson and McAfee، 2014) یافته های Gray و همکاران. (2014) نشان می دهد که تحقیق AIS در مورد سیستم های متخصص / هوش مصنوعی در طول دهه گذشته به وضوح کاهش یافته است و نشان می دهد که این امر ممکن است با رها کردن سیستم های متخصص توسط شرکت های بزرگ حسابداری موجب شود. با این وجود، این نادیده گرفتن سیستم های متخصص / هوش مصنوعی توسط شرکت های حسابداری در مقایسه با مطالعات اخیر نشان می دهد که استفاده گسترده از هوش مصنوعی در سیستم های پشتیبانی یکپارچه حسابرسی (Dowling and Leech، 2007، 2014)، هدف قرار دادن عمل حسابداری مدیریت توسط فروشندگان اطلاعات کسب و کار (البشیر و همکاران، 2011)، و خواستار درک بیشتر از اصول آموزش دستگاه توسط فارغ التحصیلان حسابداری (PwC، 2015، AACSB کمیته بین المللی اعتباربخشی، 2014). هدف از این مطالعه بازنگری پایه های گری و همکاران است.

Year: 2016

Publisher : ELSEVIER

By : Steve G. Sutton , Matthew Holt, Vicky Arnold

File Information: English Language/ 14 Page / size: 746 KB

Only site members can download free of charge after registering and adding to the cart

Download tutorial

سال : 1395

ناشر : ELSEVIER

کاری از : استیو جات ساتون، متیو هولت، ویکی آرنولد

اطلاعات فایل : زبان انگلیسی / 14 صفحه / حجم : KB 746

فقط اعضای سایت پس از ثبت نام و اضافه کردن به سبد خرید می توانند دانلود رایگان کنند.خوشحال می شویم به ما پبیوندید

آموزش دانلود